談醫(yī)院檔案信息管理關鍵技術

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了談醫(yī)院檔案信息管理關鍵技術范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：醫(yī)院檔案信息管理對于醫(yī)院運營管理而言至關重要。為探尋醫(yī)院檔案信息管理技術，此次研究使用WEKA（Waika－toEnvironmentforKnowledgeAnalysis）環(huán)境的線性回歸分析和K－means聚類算法等數據挖掘技術，從數據倉庫中提取出更能體現(xiàn)醫(yī)院價值取向的績效管理模型，最終得到的績效管理模型分為工作量績效模型和科室扶持模型，其中各科室工作量模型相關系數均大于0．5，扶持模型將科室依據工作環(huán)境分為6個類簇?；貧w模型擬合性良好，聚類結果與醫(yī)院實際情況較為符合，可以認為基于數據挖掘技術的綜合績效模型具有一定的實用價值。

關鍵詞：檔案信息；數據挖掘；績效模型；線性回歸；K－means

引言

隨著醫(yī)療行業(yè)的信息化發(fā)展，醫(yī)院檔案信息系統(tǒng)中儲存著越來越多的各類數據。采用數據挖掘對冗雜數據進行有效管理，并從中提取出有價值的信息，能夠幫助管理層進行決策，實現(xiàn)信息價值最大化［1］。醫(yī)院績效模型大多為profit×factor，即利潤與主觀系數之積［2］。單純用利潤作為績效考核的依據會打擊工作量大、工作難度高但利潤低科室醫(yī)務工作者的積極性，以工作量作為績效考核依據更具有客觀性與普適性［3］。在此基礎上，對具有利潤微薄、技術含量高、工作環(huán)境差等特殊情況的科室進行額外獎金補貼，能夠充分調動醫(yī)護工作者工作積極性。基于此，此次研究對醫(yī)院檔案信息進行數據挖掘，旨在從工作量和額外補貼兩方面入手，構建更合理的醫(yī)院績效管理模型。

1醫(yī)院檔案信息數據挖掘績效管理

1．1工作量績效線性回歸數據挖掘模型

此次研究中醫(yī)院檔案信息管理數據挖掘模型的設計考慮用工作量代替收入來構建績效模型，采用新模型得出的應付獎金總數需要與歷史水平相近。醫(yī)生工作量可以從HIS（HospitalInformationSystem）系統(tǒng)的項目開單和病案管理系統(tǒng)中獲得。根據衛(wèi)健委最新規(guī)定，醫(yī)生績效評測不允許使用開單數量作為依據［4］。為合理評測醫(yī)生工作量，將績效分為醫(yī)療項目績效與治療患者數績效，前者占70％，后者占30％。RBRVS是綜合考慮醫(yī)療資源消耗與不同手術相對價值的醫(yī)生薪酬計算方式，這種計算方式在歐美地區(qū)得到了廣泛的應用［5］。此次研究采用RBRVS點數對工作量進行評估，利用不同執(zhí)行項目的RBRVS點數計算醫(yī)療項目績效。為便于績效模型的獎金控制，采用一元線性回歸建立不同科室的績效模型。以每個科室單一月度的項目點數作為自變量，將該科室該月度實發(fā)績效獎金的70％作為因變量，使用WEKA進行一元線性回歸方程擬合，獲得方程的斜率與截距。采取相同的方式對治療患者數績效進行線性回歸分析，合并兩項得到最終的績效模型方程。為在既有績效管理系統(tǒng)中實現(xiàn)數據挖掘，使用WEKA智能分析環(huán)境進行內部集成，通過在Java中導入WEKA，并進行接口調用。首先進行順序圖設計，在服務層獲取數據倉庫fact層中的項目點數、病案數據和歷史獎金表單，將上述表單轉化為List格式的數據庫訪問對象集合，如圖1所示。業(yè)務邏輯層對服務層數據進行調用，并獲得項目點數、病案數據和歷史獎金三項數據庫訪問對象信息，然后利用服務層進行邏輯變化與組合對Arff文件進行生成。最后將Arff格式分發(fā)給線性回歸模型轉換類，將其轉換為線性回歸模型，并返回到業(yè)務邏輯層。然后對回歸模型進行類圖設計。類圖包含OrgSummaryDao、OrgSummaryService、ISer－vice等類包。將員工編號設為維度表主鍵，其余事實信息保存為數值格式或日期格式。由于服務層獲取了Fact層的ResultSet，并將其改為了數據庫訪問對象，因此可以在服務層中提取出定義了QueryHelper的接口，用于對數據庫進行編輯操作。業(yè)務層需要的服務如表1所示。其對應的數據信息分別為醫(yī)療質量、科室的業(yè)務和工作量RBRVS值。使用線性回歸模型轉換器進行Arff形式的模型構建，最后得出了slope與intercept屬性。將slope與intercept屬性匯總，得到每個科室的績效線性回歸方程。

1．2科室扶持

K－means聚類數據挖掘模型對兩千多名中國醫(yī)生進行薪酬收入與工作量匹配度調查［6］，結果如圖2所示。醫(yī)院各大科室中公認最累、壓力最大的部分科室中，急診科的薪資僅超過平均線0．85萬元，而兒科薪酬甚至沒有達到各科室的平均標準［7］。考慮到部分科室的工作環(huán)境較為苛刻，工作壓力較大，單純以工作量計算績效依然具有一定的片面性［8］。為深化醫(yī)院績效模式的改革，可以從學科價值、勞動強度、技術含量、精神壓力、職業(yè)傷害等多角度入手，建立科室扶持模型，對工作量績效模型進行進一步修正，以提升績效模型的合理性。為建立科室扶持模型，要先對不同科室的工作內容和工作環(huán)境等因素進行分析，將科室分為不同的扶持等級，并根據不同的扶持等級設定不同的獎金計算方法。采用K－means算法對醫(yī)生與護士的科室進行主觀和客觀的評價，對不同科室與醫(yī)護類別進行分析。以護士評價為例，結合護士工作中各項因素，獲得包含10個參數的科室扶持屬性。其中噪音污染、職業(yè)風險、技術難度、生理勞累、職業(yè)傷害、職業(yè)暴露、硬件環(huán)境、心理勞累8項因素采取專家評分的方式進行評價。用藥收入、急診人數等數據信息從HIS系統(tǒng)中調取。將專家評分意見與所需的HIS系統(tǒng)數據進行合并，即可形成該科室護理人員的科室扶持屬性，對各科室的科室扶持屬性進行聚類分析，以獲得不同科室的扶持等級。基于WEKA的K－means聚類模型構建方法與一元回歸模型類似，由NurseClassifyBusiness生成Arff形式的WE－KAK－means數據，再將Arff文件傳遞給K－means模型轉換器，調用WEKA的API文件，使其轉換為K－means模型。

2數據挖掘結果分析

2．1工作量績效模型

選取某醫(yī)院2018年12月至2019年9月各科室各月項目績效、接待患者人數與對應實發(fā)績效獎金數據，應用于WEKA一元線性回歸模型，分別建立各科室項目績效回歸方程與接待患者人數回歸方程，并合并為該科室的工作量績效模型回歸方程。某科室項目績效回歸分析圖，如圖3所示。從圖3中可以看出該科室的月項目點數與70％績效獎金大致呈線性分布，且各月數據散點均勻分布在擬合線兩側。由回歸擬合可以看出，該科室的項目績效方程為y＝11．279x－13670，其中y表示70％績效獎金／元，x表示當月該科室項目點數。R2為0．9404，即該回歸分析擬合程度較高。在如圖3所示項目點數回歸分析的基礎上繼續(xù)計算患者人數回歸方程，并推廣到醫(yī)院的12個主要科室，得到12條工作量績效一元線性回歸曲線，如圖4所示。當相關系數取值介于0．5到1時，認為該科室工作量績效模型合理。這12個科室中線性回歸模型相關系數最低的是骨科，其相關系數為0．51。相關系數最高的是神經外科，其相關系數達到了0．84。因此可以認為這些科室的工作量績效一元線性回歸模型較為合理。運用全院所有科室綜合數據，將醫(yī)院作為一個整體進行工作量績效一元線性回歸分析。最終獲得的回歸方程為y＝4．83x＋490703．88，其中y表示績效獎金／元，x表示當月全院工作量。全院工作量一元線性回歸方程相關系數為0．88，可以看出醫(yī)院整體工作量與績效大致呈線性關系，采用一元回歸分析進行工作量績效擬合適用性較高。

2．2科室扶持模型

使用K－means模型對護士環(huán)境進行扶持等級聚類分析，使用同簇距離來對聚類結果進行評價。通過對seed值的調整，發(fā)現(xiàn)seed值取139時能夠得到最短的同簇距離，此時同簇距離為82．582。使用WEKA中seed取139的K－means聚類算法，通過對工作強度、技術難度、硬件條件、工作環(huán)境、工作壓力等指標進行聚類，得出聚類結果如表2所示。表2顯示的類簇中包含的一系列科室具有相似的工作強度、技術難度、硬件條件、工作環(huán)境與工作壓力。神經外科、心外科和新生兒監(jiān)護中心是各大醫(yī)院壓力最大的科室，其中神經外科與新生兒監(jiān)護中心工作強度與工作壓力極大。呼吸內科、放療科和感染性疾病科工作強度也較高，且這些科室的職業(yè)暴露和職業(yè)傷害情況也較為嚴重。類簇5中科室的工作強度弱于類簇1和類簇4，且其工作環(huán)境相較于類簇1和類簇4的科室更加優(yōu)越。在實際扶持等級績效獎金的制定中，應優(yōu)先考慮類簇1和類簇4所包含的科室，而類簇5的科室應給予相對更少的獎金。

3總結

醫(yī)院規(guī)模的擴張加劇了醫(yī)院檔案信息管理的難度，運用計算機技術手段對醫(yī)院檔案信息進行現(xiàn)代化管理能夠大幅提升醫(yī)院檔案信息管理效率。為探究醫(yī)院檔案信息管理技術，此次研究以WEKA工具的調用為基礎，基于醫(yī)院歷史績效設計了新的績效模型。運用一元回歸分析構建了包含項目工作量點數和接待患者數的工作量績效模型，并運用K－means算法構建了科室扶持聚類模型。獲得的全院整體工作量績效回歸模型相關系數達到了0．88，各科室分別的相關系數分布在0．51至0．84間，證明了工作量模型擬合效果較好?？剖曳龀志垲惸Ｐ鸵勒詹煌墓ぷ鳝h(huán)境將科室分為6組，其中工作壓力較大的科室為一組，工作環(huán)境較優(yōu)越的科室為一組，面臨職業(yè)風險的科室為一組，分組情況與實際情況較為吻合。因此可以認為數據挖掘技術在醫(yī)院檔案信息管理中具有較強的實際應用價值。此次研究中工作量績效回歸模型的項目點數部分采用的評測方式是基于美國醫(yī)生工作情況設計的RBRVS點數，與國內情況可能存在一定程度上的差異。在今后的工作中，可以通過對RBRVS點數的修正以改進工作量績效回歸模型。

參考文獻

［1］梁秀林，侯紅英．醫(yī)院HRP與HIS系統(tǒng)收入數據業(yè)財融合接口平臺實戰(zhàn)探索［J］．中國衛(wèi)生經濟，2019，38（6）：87－90．

［2］李想，蘇玉成，楊艷華，等．HIS數據庫跨版本跨平臺遷移［J］．中國醫(yī)療設備，2018，33（9）：122－124．

［3］緱文海，姜冰，邵耀來，等．醫(yī)院疾病監(jiān)測上報系統(tǒng)的設計和應用［J］．中國醫(yī)療設備，2018，33（5）：130－132．

［4］魯波，李美平，任麗芳，等．應用二級庫電子系統(tǒng)管理病理科危險化學品的效果評價［J］．中華病理學雜志，2019，48（12）：995－996．

［5］高學琴，蘆鴻雁，羅葆華，等．基于HIS護理不良事件上報系統(tǒng)的構建和應用［J］．護理學雜志，2018，33（14）：14－16．

［6］邢魯民，徐民，李翠榮．基于醫(yī)院信息化系統(tǒng)的科研績效數據平臺建設及應用研究［J］．中國醫(yī)學裝備，2018，15（10）：131－134．

［7］江濤，王雯婷，胡煒，等．基于RBRVS理念的醫(yī)院績效獎金核算系統(tǒng)設計與應用［J］．中國數字醫(yī)學，2019，14（4）：60－62．

［8］徐艷，馬靚，顧秋雨，等．多系統(tǒng)聯(lián)動護理績效考核信息系統(tǒng)的構建及應用［J］．護理學雜志，2019，34（12）：69－72．

作者：李娣 單位：安陽市人民醫(yī)院